[发明专利]基于机器学习的火灾检测方法

说明书

本发明公开了一种基于机器学习的火灾检测方法，该方法包括：获取山林视频图像，对山林视频图像进行逐帧识别，并根据识别结果判断山林视频图像中是否存在可疑火灾图像；在山林视频图像中存在可疑火灾图像时，获取可疑火灾图像，并通过预设神经网络模型对可疑火灾图像进行图像特征提取，以获得图像特征集；检测图像特征集中是否存在火焰烟雾特征，若存在，则根据可疑火灾图像生成火灾预警信息，本发明通过机器学习的方式对采集到的山林视频进行火焰烟雾特征的识别，然后根据识别结果判断是否发生了山林火灾，相比于现有的火灾预警方式，具有较高的准确度。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种基于机器学习的火灾检测方法。

背景技术

火灾是严重威胁人类生存与发展的灾害之一，火灾的发生具有频率高、时空跨度大的特点，造成的损失也非常严重。所有的企业及机构都清楚火灾的危害及防火救火的重要性，但苦于一直没有一个非常完善和及时的预防报警方法。火灾需要24小时全天候、不间断无死角监控分析并实时报警，而大部分场地已经有监控，却没有达到分析和预警的目的。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供了一种基于机器学习的火灾检测方法，旨在解决现有技术无法对山林火灾进行准确识别的技术问题。

为实现上述目的，本发明提供了一种基于机器学习的火灾检测方法，所述方法包括以下步骤：

获取山林视频图像，对所述山林视频图像进行逐帧识别，并根据识别结果判断所述山林视频图像中是否存在可疑火灾图像；

在所述山林视频图像中存在可疑火灾图像时，获取所述可疑火灾图像，并通过预设神经网络模型对所述可疑火灾图像进行图像特征提取，以获得图像特征集；

检测所述图像特征集中是否存在火焰烟雾特征，若存在，则根据所述可疑火灾图像生成火灾预警信息。

优选地，所述获取山林视频图像，对所述山林视频图像进行逐帧识别，并根据识别结果判断所述山林视频图像中是否存在可疑火灾图像的步骤，包括：

获取山林视频图像，对所述山林视频图像进行逐帧识别，获得多帧山林图像；

根据预设火灾图像分类模型对所述多帧山林图像进行分类，获得图像分类结果；

根据所述图像分类结果中包含的图像类别概率判断所述山林视频图像中是否存在可疑火灾图像。

优选地，所述获取山林视频图像，对所述山林视频图像进行逐帧识别的步骤之前，所述方法还包括：

获取包含预设类型标签的训练图像集，所述预设类型标签包括火灾标签和非火灾标签；

根据所述训练图像集中的图像对初始二分类模型进行模型训练，获得待测试火灾图像分类模型；

获取测试图像集，根据所述测试图像集对所述待测试火灾图像分类模型进行测试，并获得模型测试结果；

读取所述模型测试结果中的图像分类准确率，并在所述图像分类准确率不低于预设阈值时，将所述待测试火灾图像分类模型作为预设火灾图像分类模型。

优选地，所述在所述山林视频图像中存在可疑火灾图像时，获取所述可疑火灾图像，并通过预设神经网络模型对所述可疑火灾图像进行图像特征提取，以获得图像特征集的步骤，包括：

在所述山林视频图像中存在可疑火灾图像时，获取所述可疑火灾图像；

获取所述可疑火灾图像的当前图像分辨率，并将所述当前图像分辨率与预设分辨率阈值进行比较；

在所述当前图像分辨率小于所述预设分辨率时，对所述可疑火灾图像进行图像增强处理，以获得处理后的可疑火灾图像；